按星期几与小时分组计算Pandas文本数量均值的问题

我已经用以下代码按星期几（day_of_week）和小时（hour）分组统计了各时段的文本数量：

time_df = df.groupby(
    [
        df["timestamp"].dt.dayofweek.rename("day_of_week"),
        df["timestamp"].dt.hour.rename("hour")
    ]
).size().reset_index(name="count")

得到的time_df包含day_of_week、hour、count三列。现在需要计算各时段的文本数量均值：比如day_of_week为0（周一）时，用该时段的count除以当月周一的天数。但直接把size()改成mean()时报错：

TypeError: agg function failed [how->mean,dtype->object]

我尝试在原始DataFrame中添加day_of_week列，通过统计同值分组的数量来计算均值，但不知道具体怎么实现。

补充说明
原始DataFrame包含timestamp和text列，已添加day_of_week列。希望最终得到包含day_of_week、hour、count、num_of_day_of_week、mean列的DataFrame，例如周一0点的count为21195，当月有4个周一，则均值为21195/4=5298.75。

核心思路是先统计当月每种星期几的实际天数，再和时段统计结果关联计算均值，具体步骤如下：

步骤1：统计当月各星期几的天数 #

从原始数据中提取月份维度，分组统计每个月内每种星期几的天数：

# 提取YYYY-MM格式的月份，用于按月份统计星期几天数
df['month'] = df['timestamp'].dt.to_period('M')

# 统计每个月中，每种星期几的真实天数（去重同一天的重复记录）
day_counts = df.groupby(['month', 'day_of_week'])['timestamp'].dt.date.nunique().reset_index(name='num_of_day_of_week')

步骤2：带月份维度统计时段文本数量 #

调整分组维度，加入月份，确保后续能和星期几天数数据对应：

# 按月份、星期几、小时分组，统计各时段文本总数
time_with_month_df = df.groupby(
    ['month', 'day_of_week', 'hour']
).size().reset_index(name='count')

步骤3：关联数据并计算均值 #

将两个结果表关联，通过除法得到各时段的日均文本数量：

# 按月份和星期几关联时段统计与天数统计数据
result_df = pd.merge(time_with_month_df, day_counts, on=['month', 'day_of_week'], how='left')

# 计算均值
result_df['mean'] = result_df['count'] / result_df['num_of_day_of_week']

可选：合并多月份同时段数据 #

如果需要合并不同月份的同星期几-小时组合数据，计算整体均值：

final_df = result_df.groupby(['day_of_week', 'hour']).agg(
    total_count=('count', 'sum'),
    total_days=('num_of_day_of_week', 'sum'),
    mean=('mean', 'mean')
).reset_index()

注：直接替换size()为mean()报错的原因是，mean()需要对分组内的数值列计算平均值，而你的需求是基于星期几的天数做除法，并非对分组内的文本数量求平均，因此不能直接替换。

内容的提问来源于stack exchange，提问作者cicciodevoto